System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及金属无损检测领域,特别是一种金属磁记忆检测缺陷的识别系统。
技术介绍
1、工程中常采用无损检测(ndt)的方法来检测设备与构件的缺陷,现有的ndt方法有超声、涡流、磁粉、着色等。但这些方法只能检测已经发展成形的缺陷,对于因应力集中而引发的疲劳断裂的早期诊断问题则无能为力。
2、金属磁记忆检测技术是无损检测领域的一种新的检测手段,其利用金属磁记忆效应来检测部件应力集中部位的快速无损检测方法。金属磁记忆检测是一种绿色环保的无损检测技术,它无需外加电场就能够对铁磁性构件应力集中区域进行检测,实现对故障的早期诊断。
3、金属磁记忆检测的突出优点是其检测设备便捷易于携带,能够快速且准确的定位缺陷位置,而且能够对在役的压力容器进行检测。克服了传统无损检测的缺点,能够对铁磁性金属构件内部的应力集中区,即微观缺陷和早期失效和损伤等进行诊断,防止突发性的疲劳损伤。
技术实现思路
1、针对现有的金属磁记忆检测无法对缺陷的形状、大小、性质进行定量和定性的具体分析,本申请提供了一种金属磁记忆检测缺陷的识别系统,将金属磁记忆检测技术与神经网络相结合,利用神经网络系统智能识别出缺陷类型,本系统结构组成简洁,便于实现,节省时间,节约计算机资源,实用性强可行性高。
2、本申请提出了一种金属磁记忆检测缺陷的识别系统,所述金属磁记忆检测应用于铁磁性材料,包括如下步骤,s1获取数据和预处理,将磁记忆检测仪的探头划过样本数据库中的待测工件的缺陷周围的表面,采集磁记忆信号;所述
3、特别的,所述s1中样本数据库的来源为预制不同缺陷类型的试样,所述缺陷包括宏观缺陷和/或微观缺陷。
4、特别的,所述缺陷为气孔、凹坑、裂纹和/或夹渣。
5、特别的,所述s1中采集磁记忆信号应在无声的环境下进行。
6、特别的,所述s1中,磁记忆信号预处理得到的磁记忆切向分量梯度kp(x)、磁记忆法向分量梯度kp(y);将磁记忆切向分量hp(x)、磁记忆法向分量hp(y)、磁记忆切向分量梯度kp(x)、磁记忆法向分量梯度kp(y)以及检测位置组成的特征向量作为bp神经网络的数据集。
7、特别的,所述s1的准备工作包括对磁记忆检测仪进行联网设置,确保软件正常运行。
8、特别的,所述s2中bp神经网络训练的终止条件为达到最大训练次数或误差不大于期望误差。
9、特别的,所述的样本数据是对在役的试样进行在线检测得到的,bp神经网络是离线训练样本数据得到的。
10、特别的,所述s2中的测试集应进行归一化处理。
11、在符合本领域常识的基础上,上述各优选条件可任意组合,即得本申请各优选实例。
12、上述技术方案具有如下优点或有益效果:本申请提供了一种金属磁记忆检测缺陷的识别系统,将磁记忆检测技术与bp神经网络相结合,不仅可以迅速确定缺陷位置处,而且能够识别出缺陷类型,节省精力和时间,提高了检测效率。当然,本申请的任一技术方案并不一定同时达到以上所述的所有优点。
本文档来自技高网...【技术保护点】
1.一种金属磁记忆检测缺陷的识别系统,所述金属磁记忆检测应用于铁磁性材料,其特征在于:包括如下步骤,S1获取数据和预处理,将磁记忆检测仪的探头划过样本数据库中的待测工件的缺陷周围的表面,采集磁记忆信号;所述磁记忆信号用磁记忆切向分量Hp(x)和磁记忆法向分量Hp(y)表征;
2.根据权利要求1所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述S1中样本数据库的来源为预制不同缺陷类型的试样,所述缺陷包括宏观缺陷和/或微观缺陷。
3.根据权利要求2所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述缺陷为气孔、凹坑、裂纹和/或夹渣。
4.根据权利要求1所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述S1中采集磁记忆信号应在无声的环境下进行。
5.根据权利要求1所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述S1中,磁记忆信号预处理得到的磁记忆切向分量梯度Kp(x)、磁记忆法向分量梯度Kp(y);将磁记忆切向分量Hp(x)、磁记忆法向分量Hp(y)、磁记忆切向分量梯度Kp(x)、磁记忆法向分量梯度Kp(y)以及检
6.根据权利要求1所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述S1的准备工作包括对磁记忆检测仪进行联网设置,确保软件正常运行。
7.根据权利要求1所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述S2中BP神经网络训练的终止条件为达到最大训练次数或误差不大于期望误差。
8.根据权利要求1所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述的样本数据是对在役的试样进行在线检测得到的,BP神经网络是离线训练样本数据得到的。
9.根据权利要求1所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述S2中的测试集应进行归一化处理。
...【技术特征摘要】
1.一种金属磁记忆检测缺陷的识别系统,所述金属磁记忆检测应用于铁磁性材料,其特征在于:包括如下步骤,s1获取数据和预处理,将磁记忆检测仪的探头划过样本数据库中的待测工件的缺陷周围的表面,采集磁记忆信号;所述磁记忆信号用磁记忆切向分量hp(x)和磁记忆法向分量hp(y)表征;
2.根据权利要求1所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述s1中样本数据库的来源为预制不同缺陷类型的试样,所述缺陷包括宏观缺陷和/或微观缺陷。
3.根据权利要求2所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述缺陷为气孔、凹坑、裂纹和/或夹渣。
4.根据权利要求1所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述s1中采集磁记忆信号应在无声的环境下进行。
5.根据权利要求1所述的一种金属磁记忆检测缺陷的识别系统,其特征在于:所述s1中,磁记忆信号预处理得到的磁记忆...
【专利技术属性】
技术研发人员:潘文杰,牟彦春,谢旭梦,吕杰,薛伟亮,葛翔,郭凯,
申请(专利权)人:浙江省特种设备科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。